2026年10月15日（日本時間）時点の海外AIニュースをまとめる。今日は中国のStepFunがエージェントワーク向けの大型モデルを公開した日。モデル本体の話に加えて、「AIの作ったデザインが本物より好まれる」「生産性命令の実態」「データサイエンスAIの見えない失敗」と、AIの産出物をどう受け止めるかというテーマの報告が並んだ。インフラ面ではNVIDIAと北欧の連携が具体化しつつある。

StepFun、600B規模の「Step-5-Preview」を公開──100万トークンコンテキスト

中国のAI企業StepFun（階躍星辰）は、エージェントワーク向けのフラッグシップモデル「Step-5-Preview」を公開した。RedditのLocalLLaMAコミュニティで報告されたもので、Hugging FaceでBF16のオープンウェイトとして配布されている。総パラメータ600B・1トークンあたりのアクティブパラメータ27BというMoE（混合エキスパート）構造で、コンテキスト長は100万トークンとされる。

ソフトウェアエンジニアリングや専門知識ワーク全般でフロンティア級の性能を示すとしており、特に金融領域に強みがあると紹介されている。まだ「Preview」の位置づけで、独立系のベンチマーク検証はこれから進むものとみられる。DeepSeekやQwenに続く中国発オープンウェイトモデルの流れの中で、エージェント用途に特化した大型モデルという新たな一手が加わった形だ。

「AIのデザイン」と実製品、どちらが良い?──57%がAI側を選んだ実験

コードベースのデザインツールを運営するSubframeの共同創業者が、AIが生成した画面デザインと実際の製品デザインを見比べるWebゲーム「Real Design Benchmark」を公開した（Show HN）。AI側には既存製品のスクリーンショット4枚とアイコン・フォント、画面仕様のブリーフを与え、HTMLとして画面を組み上げたうえで、実物と同じ条件でスクリーンショットを撮るという手法を取る。ターゲット画面の情報がプロンプトに漏れないよう手作業でも確認したという。

数千件の回答が集まった結果、57%がAIデザインを好み、実製品を選んだのは33%（「同程度」が10%）。さらに「どちらがAI製か」を当てる正答率は59%にとどまった。生成には当初Opus 5.5を使用し、のちにGPT-6.1 Solが追加された。主観的な「良さ」でAIが実製品を上回り、人間はAI製を見分けられていない――という結果は示唆に富むが、単一プロダクトの画面を中心とした実験であり、一般化には留意が必要だ。

「生産性1年で2倍」を掲げた企業のその後──CMU/Stanfordらが開発者802人を追跡調査

米カーネギーメロン大学やスタンフォード大学などに所属する研究者らは、「AI導入で生産性を1年で2倍にする」という方針を社内で義務化したソフトウェア企業を対象に、開発者802人の進捗を追う縦断調査の結果を論文にまとめた。論文タイトルは「AI Writes Faster Than Humans Can Review（AIは人間がレビューできる速度より速く書く）」で、その題名自体が調査結果の要点を要約している。

AIがコードを生成する速度が、人間がそれをレビューし吸収する能力を上回っていく中で、組織への「量」の命令が何をもたらすのか。ITmediaが日本語で概要を紹介している。生成側が速くなるほどレビューという人間側の律速が浮き彫りになる構図は、日本企業でも同種のAI利用義務化が広がる中で参考になる観点だろう。

データサイエンスAIの「静かな失敗」──精度の裏に潜むリークと検証の甘さ

arXivに公開された論文「The Silent Failures in Agentic Data Science」は、データサイエンスを自動化するAIエージェントの評価には予測精度だけでは不満だと指摘する。220のデータサイエンスタスクで一般的なエージェントフレームワークとモデルを大規模に分析した結果、エージェントのハードウェア構成やモデル容量によらず、大半の解にデータリークや不適切な検証といった方法論上の失敗が少なくとも1つ含まれていたという。

興味深いのは、データリークの発生と予測性能の高さに正の相関が見られた点だ。精度が良いように見える解ほどリークを含んでいる可能性があり、「精度が高い＝優れた分析」という直感がそのまま通用しないことを示唆する。Kaggleコンペの優勝解との定性比較では、創造性とドメイン知識の面で人間のトップ層に及ばないとも分析されている。AIの産出物を人間が好んでしまう前述のデザイン実験とは逆方向からの「評価の難しさ」の報告といえる。

NVIDIAと北欧、2027年末までに1GWへ──共有スパコン「Sferical One」も

NVIDIAは10月21日のGTC Berlin基調講演に先立ち、北欧諸国との協業状況をまとめた記事を公開した。それによると北欧ではAIクラウドの容量が2027年末までに1ギガワットへ達する見通しで、Bitdeer、CoreWeave、Crusoe、Hyperstack、Nscale、Verda、Voltaらが地域内で展開を進めているという。

スウェーデンでは、Ericsson、AstraZeneca、Saab、SEB、Wallenberg Investmentsらのコンソーシアム（SKFが戦略パートナー）が、NVIDIA DGX GB300システム16ラック・1,152 GPUで構成される共有スパコン「Sferical One」を構築する。NVIDIA Nemotronオープンモデルの上に、安全な環境で各社が独自サービスを構築していく。SpotifyはTensorRT-LLMでポッドキャスト推論をより速く安く処理し、ABB RoboticsはOmniverseを使ったロボットシミュレーションで最大99%のシミュレーション精度とコミッショニング時間80%削減を報告。自動運転貨物のEinrideが次世代システムをNVIDIA Hyperionで構築するなど、実装事例が具体化しつつある。先の「欧州での追加投資」報道から続く、NVIDIAの欧州展開の裏側が見えてくる内容だ。

まとめ

今日のニュースを貫くのは「AIの産出物をどう受け止めるか」というテーマだった。モデルの規模と性能を伸ばす動き（Step-5-Preview）と並んで、AIの作ったデザインを人は好み・見抜けないという実験、レビュー速度を上回る生成の実態、精度の裏に潜む方法論の失敗と、受け手側の課題を示す報告が揃った。生成側が速く大きくなるほど、評価と受け止め側の設計が問われることになりそうだ。